Для большинства производителей рост продаж обычно ассоциируется с понятными действиями: запуском новинок, расширением ассортимента, промоактивностью или увеличением представленности на полке.
Однако на зрелых категориях такие решения не всегда дают ожидаемый результат. Бизнес сталкивается с ситуацией, когда продажи растут медленнее рынка или перестают расти вовсе, а традиционные инструменты уже не позволяют найти новые точки развития.
В такой момент особенно важно понимать не только итоговые показатели продаж, но и причины, которые за ними стоят. Почему покупатели выбирают один товар вместо другого? Что ограничивает рост категории? Где находится реальный потенциал для развития: в привлечении новых покупателей, увеличении частоты покупок или росте объёма покупки?
Ответить на эти вопросы помогает Data-driven подход — методология принятия решений на основе данных, которая позволяет перейти от предположений к проверяемым гипотезам и находить точки роста с максимальным потенциалом эффекта.
Именно такую задачу решала компания «Логика Молока» с помощью аналитических инструментов Dialog X5. Как же она увеличила продажи?
Бизнес-задача
Компания искала возможности для дальнейшего роста продаж в категории функциональных молочных напитков.
Бренд Actimuno присутствовал на полке, имел стабильный спрос и сформированную аудиторию покупателей. Однако потенциал роста оставался неочевидным.
С точки зрения Data-driven подхода Dialog X5 задача относилась к одному из наиболее распространённых сценариев развития бизнеса:
текущий продукт → текущий клиент → текущая география
В таких случаях компания не выводит новый продукт на рынок и не ищет новых покупателей. Основная задача заключается в том, чтобы увеличить эффективность уже существующего бизнеса и найти скрытые резервы роста внутри текущей клиентской базы.
На практике это означает поиск ответа на несколько ключевых вопросов:
- покупают ли товар достаточно часто;
- соответствует ли объем покупки потенциалу категории;
- существуют ли барьеры, которые ограничивают продажи;
- какие изменения способны дать максимальный эффект при минимальных инвестициях.
Именно поэтому первым шагом стал анализ поведения покупателей и ключевых драйверов категории.
Почему именно Data-driven подход
В подобных ситуациях бизнес часто сталкивается с десятками возможных гипотез. Например:
- можно предположить, что покупателям не хватает промо;
- можно увеличить рекламную поддержку;
- можно расширить ассортимент;
- можно пересмотреть представленность на полке.
Проблема в том, что каждое из этих решений требует инвестиций и не гарантирует результата.
Data-driven подход позволяет двигаться иначе.
Сначала формулируется бизнес-задача, затем определяется сценарий роста, после чего данные помогают выявить фактор, который действительно ограничивает продажи. Только после этого принимается решение о внедрении изменений.
Такой подход снижает вероятность ошибок и позволяет концентрировать ресурсы на инициативах с подтвержденным потенциалом.
Именно поэтому вместо запуска очередной маркетинговой активности команда начала с анализа фактического поведения покупателей.
Шаг 1. Поиск драйвера роста
Команда проанализировала ключевые показатели SKU внутри категории.
Исследование показало, что уровень пенетрации оставался практически одинаковым для сравниваемых продуктов. Частота покупок также существенно не различалась. Это означало, что проблема не связана с недостаточным количеством покупателей или низкой лояльностью к продукту.
Однако один показатель заметно выделялся. Средний объем покупки для одной из линеек Actimuno оказался ниже, чем у сопоставимых товаров категории.
Дополнительный анализ позволил выявить важную особенность: данный SKU продавался в групповой упаковке по четыре штуки, тогда как большинство успешных предложений в категории были представлены упаковками по шесть штук.
На этом этапе появилась первая гипотеза: ограничителем роста может быть не спрос, а формат самого продукта.
Шаг 2. Проверка гипотезы через данные
Следующим шагом стала проверка гипотезы с помощью анализа структуры чека. Если бы покупатели не были готовы приобретать больший объём продукции, изменение упаковки не принесло бы результата. Однако данные показали обратное. Основной объём продаж категории формировался либо через покупку одной–двух единиц товара, либо через приобретение сразу готовой групповой упаковки.
Другими словами, покупатели демонстрировали готовность покупать больше продукта за одну транзакцию.
Ключевой инсайт
Рост ограничивал не спрос. Рост ограничивал формат предложения.
Существующая упаковка из четырёх единиц фактически не соответствовала сложившимся покупательским сценариям внутри категории и проигрывала наиболее распространённому рыночному формату.
Шаг 3. Реализация решения
После подтверждения гипотезы компания приняла решение изменить формат групповой упаковки Actimuno. Так, количество единиц в упаковке увеличили с четырёх до шести.
Важно, что решение появилось не в результате экспертного мнения или субъективной оценки категории. Оно стало следствием последовательного анализа данных и подтверждённой гипотезы о поведении покупателей.
После получения первых положительных результатов решение было масштабировано на торговые сети в других регионах.
Результаты
Изменение всего одного параметра продукта позволило получить эффект сразу на нескольких уровнях:
- продажи новой упаковки выросли на 35%;
- продажи второй линейки бренда увеличились на 19%;
- категория функциональных напитков выросла на 4%;
- совокупный рост продаж линейки составил 14%.
Что показывает этот кейс
Главная ценность кейса заключается не только в истории о росте продаж. Он демонстрирует, как Data-driven подход помогает находить неочевидные ограничения бизнеса.
Без анализа данных компания с высокой вероятностью искала бы решение в маркетинговой поддержке, промо или расширении ассортимента. Однако данные показали, что ключевое ограничение находится значительно глубже — в самом формате продукта. Именно поэтому работа с данными позволяет не просто принимать решения быстрее, а принимать решения, которые напрямую влияют на бизнес-результат.
В этом кейсе путь от бизнес-задачи до результата выглядел следующим образом:
бизнес-задача → сценарий роста → анализ поведения покупателей → поиск ограничения → проверка гипотезы → внедрение → масштабирование
Такой подход позволяет превращать данные из инструмента наблюдения в инструмент роста бизнеса.
Подробнее о том, почему важно формулировать конкретные задачи вашего бизнеса, и полный список основных бизнес-задач – в статье по ссылке. Протестировать свою гипотезу для развития бренда на основе данных Dialog X5 можно уже сейчас. Начинайте с базовой подписки «Лайт» – оставьте заявку по ссылке.